eth_agent_affordances

  • توضیحات :

فرهای بازکننده فرانکا -- فقط ابر نقطه + پروپریو

تقسیم کنید نمونه ها
'train' 118
  • ساختار ویژگی :
FeaturesDict({
    'episode_metadata': FeaturesDict({
        'file_path': Text(shape=(), dtype=string),
        'input_point_cloud': Tensor(shape=(10000, 3), dtype=float16, description=Point cloud (geometry only) of the object at the beginning of the episode (world frame) as a numpy array (10000,3).),
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32, description=Robot action, consists of [end-effector velocity (v_x,v_y,v_z,omega_x,omega_y,omega_z) in world frame),
        'discount': Scalar(shape=(), dtype=float32, description=Discount if provided, default to 1.),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'language_embedding': Tensor(shape=(512,), dtype=float32, description=Kona language embedding. See https://tfhub.dev/google/universal-sentence-encoder-large/5),
        'language_instruction': Text(shape=(), dtype=string),
        'observation': FeaturesDict({
            'image': Image(shape=(64, 64, 3), dtype=uint8, description=Main camera RGB observation. Not available for this dataset, will be set to np.zeros.),
            'input_point_cloud': Tensor(shape=(10000, 3), dtype=float16, description=Point cloud (geometry only) of the object at the beginning of the episode (world frame) as a numpy array (10000,3).),
            'state': Tensor(shape=(8,), dtype=float32, description=State, consists of [end-effector pose (x,y,z,yaw,pitch,roll) in world frame, 1x gripper open/close, 1x door opening angle].),
        }),
        'reward': Scalar(shape=(), dtype=float32, description=Reward if provided, 1 on final step for demos.),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D توضیحات
FeaturesDict
episode_metadata FeaturesDict
episode_metadata/file_path متن رشته مسیر فایل داده اصلی
episode_metadata/input_point_cloud تانسور (10000، 3) float16 ابر نقطه ای (فقط هندسه) شی را در ابتدای اپیزود (فریم جهانی) به عنوان یک آرایه ناتوان (10000,3) نشان دهید.
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32 عمل ربات، شامل [سرعت اثر پایانی (v_x,v_y,v_z,omega_x,omega_y,omega_z) در قاب جهانی است
مراحل/تخفیف اسکالر float32 تخفیف در صورت ارائه، پیش فرض 1 است.
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
Steps/language_embedding تانسور (512،) float32 تعبیه زبان کونا. به https://tfhub.dev/google/universal-sentence-encoder-large/5 مراجعه کنید
مراحل/زبان_آموزش متن رشته آموزش زبان.
مراحل / مشاهده FeaturesDict
مراحل / مشاهده / تصویر تصویر (64، 64، 3) uint8 دوربین اصلی رصد RGB. برای این مجموعه داده در دسترس نیست، روی np.zeros تنظیم خواهد شد.
steps/observation/input_point_cloud تانسور (10000، 3) float16 ابر نقطه ای (فقط هندسه) شی را در ابتدای اپیزود (فریم جهانی) به عنوان یک آرایه ناتوان (10000,3) نشان دهید.
مراحل / مشاهده / حالت تانسور (8،) float32 حالت، شامل [ژست افکتور انتهایی (x، y، z، انحراف، گام، رول) در قاب جهان، 1x گرپر باز/بسته، 1x زاویه باز شدن درب است.
مراحل/پاداش اسکالر float32 در صورت ارائه پاداش، 1 در مرحله آخر برای دموها.
  • نقل قول :
@inproceedings{schiavi2023learning,
  title={Learning agent-aware affordances for closed-loop interaction with articulated objects},
  author={Schiavi, Giulio and Wulkop, Paula and Rizzi, Giuseppe and Ott, Lionel and Siegwart, Roland and Chung, Jen Jen},
  booktitle={2023 IEEE International Conference on Robotics and Automation (ICRA)},
  pages={5916--5922},
  year={2023},
  organization={IEEE}
}